波士顿动力机器狗搭载谷歌AI，可自主读取仪表数据

波士顿动力公司旗下四足机器人Spot，如今已能在工厂和仓库中自主巡检，并精准读取模拟温度计和压力表上的数值。这一能力的实现，得益于谷歌DeepMind最新发布的机器人AI模型——该模型专为提升机器人在与物理环境交互时的"具身推理"能力而设计。

新模型的核心能力

谷歌DeepMind于4月14日发布的Gemini Robotics-ER 1.6模型，被定位为"面向机器人的高层次推理模型"，能够规划并执行复杂任务。此外，该模型还解锁了精准读取压力表等复杂仪器的能力，并支持通过视镜对罐体和管道内部进行可视化检测。这一性能突破，正是谷歌DeepMind与波士顿动力长期合作的成果。

波士顿动力一直致力于在各类工业场所测试四足及人形机器人的实际应用潜力，其中包括母公司现代汽车集团旗下的汽车制造工厂。目前，机器人"犬"Spot正作为巡检机器人在工业设施中开展试验，负责全面巡查。这类巡检任务需要机器人具备"复杂视觉推理"能力，以解读各类仪表盘上的多根指针、液位刻度、容器边界、刻度标记及文字信息。

模型技术解析

为应对上述任务，Gemini Robotics-ER 1.6模型为机器人赋予了"智能体视觉"能力，将视觉推理与代码执行相结合，构建出一个"视觉草稿板"，用于检测和处理图像信息。这一智能体视觉能力最早于2026年1月在谷歌Gemini 3.0 Flash模型中引入。

据报道，智能体视觉的引入使机器人在仪表读取任务上的表现大幅提升——从上一代Gemini Robotics-ER 1.5模型的23%跃升至Gemini Robotics-ER 1.6的98%。相比之下，Gemini 3.0 Flash的准确率仅为67%。

值得注意的是，即便不启用智能体视觉，Gemini Robotics-ER 1.6基础版在仪表读取任务中仍能达到86%的准确率。这得益于该模型采用的一种"逐点标注"机制，能够逐一定位图像中的各类元素，从而处理计数或特征识别等复杂任务。同时，该模型还具备增强版"多视角推理"能力，支持机器人整合多路摄像头数据，更全面地理解周围环境。

谷歌DeepMind给出了一个具体性能对比案例：在一张物品杂乱堆放的图像中，Gemini Robotics-ER 1.6能够准确识别锤子、剪刀、画笔、钳子及各类园艺工具的数量；而旧版Gemini Robotics-ER 1.5则无法准确计数锤子和画笔，完全忽略了剪刀的存在，甚至凭空"识别"出了一辆并不存在的手推车——原因仅仅是手推车出现在了任务请求的识别列表中。这表明新版模型的"幻觉"问题有所改善，尽管与人类对环境的理解水平相比，仍存在相当大的差距。

谷歌还将Gemini Robotics-ER 1.6定位为"迄今最安全的机器人模型"，称其"大幅提升了对物理安全约束的遵从能力"。该模型不仅能够执行安全指令，还能在处理液体或特殊材料时做出更安全的操作决策。此外，新模型还能更准确地识别不同场景下人体受伤的风险，例如幼童将异物插入电源插座等情况。

未来应用前景

该模型真正的价值，将随着机器人企业和研究人员深度测试其能力而逐步显现。目前，机器人在执行高度专业化、重复性强的任务时效率最高——无论是流水线上的装配作业，还是仓库中高度协同的搬运动作。以谷歌为代表的科技企业正寄望于最新的AI模型，帮助机器人从"专用工具"进化为能够在复杂、非结构化的真实环境中自主运作的"通用劳动者"。当然，这一前景也伴随着更高的风险：一旦出现意外，机器人可能对人类造成伤害或财产损失。

无论如何，这款最新模型或许正在将我们推向一个新的未来——届时，机器人将能够扫描整个房间，并自主作出准确的判断与响应。

Q&A

Q1：Gemini Robotics-ER 1.6模型的仪表读取准确率有多高？

A：Gemini Robotics-ER 1.6在启用智能体视觉后，仪表读取准确率可达98%，相比上一代Gemini Robotics-ER 1.5的23%大幅提升。即使不启用智能体视觉，基础版准确率也能达到86%。作为对比，Gemini 3.0 Flash的准确率仅为67%。

Q2：波士顿动力的Spot机器人在工业场景中主要承担哪些任务？

A：Spot机器人目前主要承担工业设施巡检任务，包括读取压力表、温度计等模拟仪表数值，通过视镜检查罐体和管道内部状态，以及全面巡查工厂运行情况。这类任务要求机器人具备复杂视觉推理能力，能够识别多根指针、液位刻度、刻度标记及文字信息等。

Q3：Gemini Robotics-ER 1.6在安全性方面有哪些改进？

A：谷歌将Gemini Robotics-ER 1.6定位为"迄今最安全的机器人模型"，主要改进包括：大幅提升对物理安全约束的遵从能力、在处理液体或特殊材料时能做出更安全的操作决策，以及更准确地识别人体受伤风险，例如能识别幼童将异物插入电源插座等危险场景。